Esta imagen muestra el sistema de visión artificial SLED-W procesando imágenes visuales de aceite en agua (izquierda) y datos térmicos (derecha). Los algoritmos comparan datos visuales y térmicos para determinar si hay aceite en el agua. Crédito:Southwest Research Institute
Southwest Research Institute ha desarrollado técnicas basadas en computadora para detectar con precisión el petróleo crudo en el agua utilizando cámaras térmicas y visibles de bajo costo. Esta solución basada en aprendizaje automático puede detectar y monitorear fugas de aceite antes de que se conviertan en amenazas importantes para los lagos. ríos y zonas costeras.
Con más de 80, 000 millas de oleoductos en los Estados Unidos, Muchas vías fluviales corren el riesgo de sufrir daños ambientales a causa de incidentes como el Derrame de Kalamazoo de 2010, que costó más de $ 1.2 mil millones y tres años para limpiar. Monitorear las vías fluviales cerca de los oleoductos es costoso y requiere mucho tiempo con las soluciones convencionales que se basan en la detección remota por satélite o la espectroscopía láser.
SwRI aborda estos desafíos con su sistema de detección inteligente de fugas en el agua (SLED-W), que utiliza algoritmos para procesar datos visuales y térmicos de cámaras instaladas en aviones, dispositivos estacionarios o embarcaciones.
"SLED-W pudo detectar dos tipos diferentes de aceite con propiedades térmicas y visibles únicas, "dijo Ryan McBee, un ingeniero de investigación que dirigió el proyecto para el Departamento de Sistemas Críticos de SwRI. "SLED-W mostró resultados iniciales positivos, y con una mayor recopilación de datos, el algoritmo manejará condiciones externas más variadas ".
El proyecto financiado internamente amplía la tecnología SLED desarrollada anteriormente que detecta gas metano de tuberías, así como fugas de líquidos en superficies sólidas como el suelo, grava y arena.
Los ingenieros de SwRI agregaron dos tipos de aceite a los tanques de agua para entrenar algoritmos de aprendizaje automático equipados con cámaras para detectar aceite en diversas condiciones ambientales y de iluminación. Crédito:Southwest Research Institute
SwRI aplicó un enfoque multidisciplinario para desarrollar SLED-W. Los informáticos se unieron con expertos en petróleo y gas de la División de Ingeniería Mecánica del Instituto para entrenar algoritmos para reconocer las características únicas del petróleo en el agua. El aceite puede esparcirse sobre el agua o mezclarse con ella, lo que dificulta que los sensores puedan discernir bajo diferentes condiciones ambientales y de iluminación.
"Etiquetar el aceite es un desafío importante. Para SLED-W, tuvimos que dar cuenta de diferentes comportamientos para que supiera qué considerar y qué ignorar para evitar falsos positivos, "Dijo McBee.
Combinando cámaras térmicas y visibles, SLED-W analiza escenas desde diferentes perspectivas. Las cámaras visibles por sí solas están limitadas por el deslumbramiento y tienen dificultades para capturar aceites delgados transparentes que se mezclan con el agua. La visión térmica requiere diferencias de calor para discernir características. Esto puede dar lugar a falsos positivos cerca de animales y otros objetos calientes. Al combinar imágenes térmicas y visuales en el sistema de aprendizaje automático, los algoritmos pueden elegir la información más relevante, mitigar las debilidades de cada sensor.
Próximo, el equipo realizará pruebas de campo para entrenar los algoritmos y actualmente está trabajando con socios de la industria para equipar aviones con SLED-W para recopilar datos en condiciones del mundo real.
